hilo <- hbb_wku_h_xts
hilo <- data.frame(date=index(hilo), coredata(hilo))
hilo <- hilo[529:54816,]
hilo
# which(hilo$date=="2010-10-23 00:00:00") = index 529
# which(hilo$date=="2016-12-31 23:00:00") = index 54816
length(hilo[,1]) # we are left with 54288 lines of data
54816 - length(hilo[,1]) # we lost 528 values
# removing columns that we are not using
hilo$date.2 <- NULL # another date column
hilo$date.1 <- NULL # another date column
hilo$BGARFU <- NULL # ?
hilo$cfs <- NULL
hilo$DOmgL <- NULL # dissolved oxygen
#hilo$Doper <- NULL # dissolved oxygen
hilo$PAR1 <- NULL # ?
hilo$pH <- NULL # pH
hilo$NTU <- NULL # a different measurement for turbitity
hilo$DOper10 <- NULL # dissolved oxygen
# colnames(hilo) <- c("Date", "cfs", "RiverFlow-cumec", "LogRiverFlow-cumec", "Chlorophyll-RFU", "Salinity-PPT", "Temp-C", "chlorophyll-calibrator", "Turbidity-NTU")
# does not work ???
hilo
====================================================
length(hilo$logcms[which(is.na(hilo$logcms)==TRUE)]) # 12 NAs
which(is.na(hilo$logcms)==TRUE)
RiverFlow <- ggplot(hilo, aes(x = date, y = as.numeric(cms))) +
geom_line()
print(RiverFlow + ggtitle("River Flow")+labs(x="Time", y = "River Flow - cubic meters per second"))
length(hilo$ChlRFU[which(is.na(hilo$ChlRFU)==TRUE)]) # 20464 NAs
which(as.numeric(hilo$ChlRFU)==max(as.numeric(na.omit(hilo$ChlRFU)))) # 15.3 max
# CHL tells us where in the data set this happened
hilo[38974,]
CHL <- ggplot(hilo, aes(x = date, y = as.numeric(ChlRFU))) +
geom_line()
print(CHL + ggtitle("Chlorophyll ")+labs(x="Time", y = "Chlorophyll - relative fluorescence units (RFU)"))
length(hilo$Corr.NTU[which(is.na(hilo$Corr.NTU)==TRUE)]) #15012 NAs
which(as.numeric(hilo$Corr.NTU)==max(as.numeric(na.omit(hilo$Corr.NTU)))) # 88.4
# tells us where in the data set this happened
hilo[33243,]
TURB <- ggplot(hilo,aes(x = date, y = as.numeric(Corr.NTU))) +
geom_line()
print(TURB + ggtitle("Turbidity ")+labs(x="Time", y = "Turbidity - Nephelometric Turbidity Units (NTU)"))
length(hilo$saltppt[which(is.na(hilo$saltppt)==TRUE)]) #11330 NAs
SALT <- ggplot(hilo, aes(x = date, y = as.numeric(saltppt))) +
geom_line()
print(SALT + ggtitle("Salinity")+labs(x="Time", y = "Salinity - unit parts per thousand (PPT)"))
======================================================== # Histograms FULL DATA SET ## River Flow Histogram
hist(as.numeric(hilo$logcms), main = "Histogram of Log River Flow", xlab = "Log River Flow")
# this looks okay
# VERY skewed
hist(as.numeric(hilo$ChlRFU), main = "Histogram of Chlorophyll", xlab = "Chlorophyll - relative fluorescence units (RFU)")
# this looks better
hist(log(as.numeric(hilo$ChlRFU)), main = "Histogram of Log Chlorophyll", xlab = "Chlorophyll")
# not sure what happens to units when taking the log
# VERY skewed
hist(as.numeric(hilo$Corr.NTU), main = "Histogram of Turbidity", xlab = "Turbidity - Nephelometric Turbidity Units (NTU)")
# this looks better
hist(log(as.numeric(hilo$Corr.NTU)), main = "Histogram of Log Turbidity", xlab = "Turbidity")
# not sure what happens to units when taking the log
# skewed
hist(as.numeric(hilo$saltppt), main = "Histogram of Salinity", xlab = "Salinity - unit parts per thousand (PPT)")
# this is worst!
hist(log(as.numeric(hilo$saltppt)), main = "Histogram of Log Salinity", xlab = "Salinity")
# not sure what happens to units when taking the log
========================================================= # NEW DATA SET-Modified Data 2013-2015
# start date: 2013-01-01 00:00:00
# end date: 2015-12-31 23:00:00
hilomodified <- hilo[19225:45504,]
length(hilo[,1])-length(hilomodified[,1])
# lost 28008 entries of data
length(hilomodified[,1])-528 # we are left with 25752 entries of data
head(hilomodified)
tail(hilomodified)
library(mosaic)
favstats(hilomodified$cms)
favstats(hilomodified$ChlRFU)
favstats(hilomodified$Corr.NTU)
favstats(hilomodified$saltppt)
favstats(hilomodified$TempC)
favstats(hilomodified$Doper)
===================================================== # MODIFIED DATA SET 2013-2015 # Descriptives: Plots
length(hilomodified$logcms[which(is.na(hilomodified$logcms)==TRUE)]) # No NAs, YAY!
which(is.na(hilomodified$logcms)==TRUE)
RiverFlowMod <- ggplot(hilomodified, aes(x = date, y = as.numeric(cms))) +
geom_line()
print(RiverFlowMod + ggtitle("River Flow")+labs(x="Time", y = "River Flow - cubic meters per second"))
sum(is.na(hilomodified$ChlRFU)==TRUE) # 1884 NAs
#which(is.na(hilomodified$ChlRFU)==TRUE)
# max(as.numeric(na.omit(hilo$ChlRFU))) # 15.3
which(as.numeric(hilomodified$ChlRFU)==15.3)
hilo[38974,]
CHLMod <- ggplot(hilomodified, aes(x = date, y = as.numeric(ChlRFU))) +
geom_line()
print(CHLMod + ggtitle("Chlorophyll ")+labs(x="Time", y = "Chlorophyll - relative fluorescence units (RFU)"))
length(hilomodified$Corr.NTU[which(is.na(hilomodified$Corr.NTU)==TRUE)]) # 2704 NAs
# max(as.numeric(na.omit(hilo$Corr.NTU))) # 88.4
which(as.numeric(hilo$Corr.NTU)==88.4)
hilo[33243,]
TURBMod <- ggplot(hilomodified, aes(x = date, y = as.numeric(Corr.NTU))) +
geom_line()
print(TURBMod + ggtitle("Turbidity ")+labs(x="Time", y = "Turbidity - Nephelometric Turbidity Units (NTU)"))
length(hilomodified$saltppt[which(is.na(hilomodified$saltppt)==TRUE)]) # 2267 NAs
SALTMod <- ggplot(hilomodified, aes(x = date, y = as.numeric(saltppt))) +
geom_line()
print(SALTMod + ggtitle("Salinity")+labs(x="Time", y = "Salinity - unit parts per thousand (PPT)"))
length(hilomodified$TempC[which(is.na(hilomodified$TempC)==TRUE)]) # 2267 NAs
TempMod <- ggplot(hilomodified, aes(x = date, y = as.numeric(TempC))) +
geom_line()
print(TempMod + ggtitle("Temperature")+labs(x="Time", y = "Temperature - Celsius"))
length(hilomodified$Doper[which(is.na(hilomodified$Doper)==TRUE)]) # 2267 NAs
TempMod <- ggplot(hilomodified, aes(x = date, y = as.numeric(Doper))) +
geom_line()
print(TempMod + ggtitle("Dissolved Oxygen")+labs(x="Time", y = "Dissolved Oxygen in percent of saturation"))
=================================================== # Histograms MODIFIED
hist(as.numeric(hilomodified$cms), main = "Histogram of Log River Flow", xlab = "Log River Flow", breaks =90, xlim = c(0,100))
# this looks okay
# VERY skewed
hist(as.numeric(hilomodified$ChlRFU), main = "Histogram of Chlorophyll", xlab = "Chlorophyll - relative fluorescence units (RFU)")
# this looks better
hist(log(as.numeric(hilomodified$ChlRFU)), main = "Histogram of Log Chlorophyll", xlab = "Chlorophyll")
# not sure what happens to units when taking the log
# VERY skewed
hist(as.numeric(hilomodified$Corr.NTU), main = "Histogram of Turbidity", xlab = "Turbidity - Nephelometric Turbidity Units (NTU)")
# this looks better
hist(log(as.numeric(hilomodified$Corr.NTU)), main = "Histogram of Log Turbidity", xlab = "Turbidity")
# not sure what happens to units when taking the log
# skewed
hist(as.numeric(hilomodified$saltppt), main = "Histogram of Salinity", xlab = "Salinity - unit parts per thousand (PPT)")
# this is worst!
hist(log(as.numeric(hilomodified$saltppt)), main = "Histogram of Log Salinity", xlab = "Salinity")
# not sure what happens to units when taking the log
=============================================================
It is hard to see what is going on
AllYears <- ggplot(hilomodified, aes(x = date, y = as.numeric(logcms))) +
geom_line()+
geom_line(aes(y = as.numeric(saltppt)), color = "darkred") +
geom_line(aes(y = as.numeric(Corr.NTU)), color="darkgreen") +
geom_line(aes(y=as.numeric(ChlRFU)),color="blue")
print(AllYears + ggtitle("Hilo Bay")+labs(x="Time", y = "River Flow - cubic meters per second"))
============================================================== # Descriptives by Storm We are picking one storm from each year. We can indicate a storm has occurred by the extreme events in the river flow data. We will not use the log (which is logbase10) in order to see the extreme events When salinity is below 35 this also indicates a storm has occurred.
We will break the data set by year to find the most extreme event for each year.
hilo2013 <- hilomodified[1:8760,]
hilo2014 <- hilomodified[8761:17520,]
hilo2015 <- hilomodified[17521:length(hilomodified[,1]),]
# max(as.numeric(hilo2013$logcms)) # this is log base 10
# This is NOT the natural log
max(as.numeric(hilo2013$cms)) # 207.186
which(as.numeric(hilo2013$cms) == max(as.numeric(hilo2013$cms)))
hilo2013[3550,]
# all values for this storm are NA
plot2013 <- ggplot(hilo2013, aes(x = date, y = as.numeric(cms))) +
geom_line(color="black")+
geom_line(aes(y = as.numeric(saltppt)), color = "darkred") +
geom_line(aes(y = as.numeric(Corr.NTU)), color="darkgreen") +
geom_line(aes(y=as.numeric(ChlRFU)),color="blue")
print(plot2013 + ggtitle("2013")+labs(x="Time", y = "River Flow - cubic meters per second"))
# R2013.1 <- ggplot(hilo2013[1:(length(hilo2013[,1])/2),], aes(x = date, y = as.numeric(cms))) +
# geom_line(color="black")+
# geom_line(aes(y = as.numeric(saltppt)), color = "darkred") +
# geom_line(aes(y = as.numeric(Corr.NTU)), color="darkgreen") +
# geom_line(aes(y=as.numeric(ChlRFU)),color="blue")
# print(R2013.1 + ggtitle("River Flow")+labs(x="Time", y = "River Flow - cubic meters per second"))
# R2013.1+ylim(0,40)
#
#
# R2013.2 <- ggplot(hilo2013[(length(hilo2013[,1])/2):length(hilo2013[,1]),], aes(x = date, y = as.numeric(cms))) +
# geom_line(color="black")+
# geom_line(aes(y = as.numeric(saltppt)), color = "darkred") +
# geom_line(aes(y = as.numeric(Corr.NTU)), color="darkgreen") +
# geom_line(aes(y=as.numeric(ChlRFU)),color="blue")
# print(R2013.2 + ggtitle("River Flow")+labs(x="Time", y = "River Flow - cubic meters per second"))
# R2013.2+ylim(0,40)
# Max river flow in the overall data set
max(as.numeric(hilo2014$cms))
max(as.numeric(hilomodified$cms))
which(as.numeric(hilo2014$cms) == max(as.numeric(hilo2014$cms)))
hilo2014[5263,]
R2014 <- ggplot(hilo2014, aes(x = date, y = as.numeric(logcms))) +
geom_line(color="black")+
geom_line(aes(y = as.numeric(saltppt)), color = "darkred") +
geom_line(aes(y = as.numeric(Corr.NTU)), color="darkgreen") +
geom_line(aes(y=as.numeric(ChlRFU)),color="blue")
print(R2014 + ggtitle("2014")+labs(x="Time", y = "River Flow - cubic meters per second"))
max(as.numeric(hilo2015$cms))
which(as.numeric(hilo2015$cms) == max(as.numeric(hilo2015$cms)))
hilo2015[6475,]
R2015 <- ggplot(hilo2015, aes(x = date, y = as.numeric(logcms))) +
geom_line(color="black")+
geom_line(aes(y = as.numeric(saltppt)), color = "darkred") +
geom_line(aes(y = as.numeric(Corr.NTU)), color="darkgreen") +
geom_line(aes(y=as.numeric(ChlRFU)),color="blue")
print(R2015 + ggtitle("2015")+labs(x="Time", y = "River Flow - cubic meters per second"))
outcomes <- as.numeric(hilomodified$saltppt)<25
index.lt25 <- which(outcomes==TRUE)
poss.storms <- hilomodified[index.lt25,]
poss.storms
outcomes.35 <- as.numeric(hilomodified$saltppt)<35
index.lt35 <- which(outcomes==TRUE)
index.lt25
poss.storms35 <- hilomodified[index.lt25,]
poss.storms35
hilomodified$date[16]
storm.1.7.13 <- ggplot(hilomodified[145:168,], aes(x = date, y = as.numeric(cms))) +
geom_line(color="black")+
geom_line(aes(y = as.numeric(saltppt)), color = "lightsteelblue1") +
geom_line(aes(y = as.numeric(Corr.NTU)), color="grey69") +
geom_line(aes(y=as.numeric(ChlRFU)),color="khaki")
print(storm.1.7.13 + ggtitle("Storm 1/7/13")+labs(x="Time"))
RiverFlow1 <- ggplot(hilomodified[1:100,], aes(x = date, y = as.numeric(cms))) +
geom_line()
print(RiverFlow + ggtitle("River Flow")+labs(x="Time", y = "River Flow - cubic meters per second"))
=======
getwd()
# write.csv(hilomodified,file="HiloBayNEW13to15.csv", row.names = FALSE)
pos.neg <- as.numeric(hilomodified$cms) - 10
start <- vector()
end <- vector()
for(i in 1:length(pos.neg)){
if(isTRUE(pos.neg[i] < 0 && pos.neg[i+1] > 0)){
start[i] <- i
}else if(isTRUE(pos.neg[i] > 0 && pos.neg[i+1] < 0)){
end[i] <- i
}
}
start
[1] NA NA NA NA NA NA
[7] NA NA NA NA NA NA
[13] NA NA NA NA NA NA
[19] NA NA NA NA NA NA
[25] NA NA NA NA NA NA
[31] NA NA NA NA NA NA
[37] NA NA NA NA NA NA
[43] NA NA NA NA NA NA
[49] NA NA NA NA NA NA
[55] NA NA NA NA NA NA
[61] NA NA NA NA NA NA
[67] NA NA NA NA NA NA
[73] NA NA NA NA NA NA
[79] NA NA NA NA NA NA
[85] NA NA NA NA NA NA
[91] NA NA NA NA NA NA
[97] NA NA NA NA NA NA
[103] NA NA NA NA NA NA
[109] NA NA NA NA NA NA
[115] NA NA NA NA NA NA
[121] NA NA NA NA NA NA
[127] NA NA NA NA NA NA
[133] NA NA NA NA NA NA
[139] NA NA 141 NA NA NA
[145] NA NA NA NA NA NA
[151] NA NA NA NA NA NA
[157] NA NA NA NA NA NA
[163] NA NA NA NA NA NA
[169] NA NA NA NA NA NA
[175] NA NA NA NA NA NA
[181] NA NA NA NA NA NA
[187] NA NA NA NA NA NA
[193] NA NA NA NA NA NA
[199] NA NA NA NA NA NA
[205] NA NA NA NA NA NA
[211] NA 212 NA NA NA NA
[217] NA NA NA NA NA NA
[223] NA NA NA NA NA NA
[229] NA NA NA NA NA NA
[235] NA NA NA NA NA NA
[241] NA NA NA NA NA NA
[247] NA NA NA NA NA NA
[253] NA NA NA NA NA NA
[259] NA NA NA NA NA NA
[265] NA NA NA NA NA NA
[271] NA NA NA NA NA NA
[277] NA NA NA NA NA NA
[283] NA NA NA NA NA NA
[289] NA NA NA NA NA NA
[295] NA NA NA NA NA NA
[301] NA NA NA NA NA NA
[307] NA NA NA NA NA NA
[313] NA NA NA NA NA NA
[319] NA NA NA NA NA NA
[325] NA NA NA NA NA NA
[331] NA NA NA NA NA NA
[337] NA NA NA NA NA NA
[343] NA NA NA NA NA NA
[349] NA NA NA NA NA NA
[355] NA NA NA NA NA NA
[361] NA NA NA NA NA NA
[367] NA NA NA NA NA NA
[373] NA NA NA NA NA NA
[379] NA NA NA NA NA NA
[385] NA NA NA NA NA NA
[391] NA NA NA NA NA NA
[397] NA NA NA NA NA NA
[403] NA NA NA NA NA NA
[409] NA NA NA NA NA NA
[415] NA NA NA NA NA NA
[421] NA NA NA NA NA NA
[427] NA NA NA NA NA NA
[433] NA NA NA NA NA NA
[439] NA NA NA NA NA NA
[445] NA NA NA NA NA NA
[451] NA NA NA NA NA NA
[457] NA NA NA NA NA NA
[463] NA NA NA NA NA NA
[469] NA NA NA NA NA NA
[475] NA NA NA NA NA NA
[481] NA NA NA NA NA NA
[487] NA NA NA NA NA NA
[493] NA NA NA NA NA NA
[499] NA NA NA NA NA NA
[505] NA NA NA NA NA NA
[511] NA NA NA NA NA NA
[517] NA NA NA NA NA NA
[523] NA NA NA NA NA NA
[529] NA NA NA NA NA NA
[535] NA NA NA NA NA NA
[541] NA NA NA NA NA NA
[547] NA NA NA NA NA NA
[553] NA NA NA NA NA NA
[559] NA NA NA NA NA NA
[565] NA NA NA NA NA NA
[571] NA NA NA NA NA NA
[577] NA NA NA NA NA NA
[583] NA NA NA NA NA NA
[589] NA NA NA NA NA NA
[595] NA NA NA NA NA NA
[601] NA NA NA NA NA NA
[607] NA NA NA NA NA NA
[613] NA NA NA NA NA NA
[619] NA NA NA NA NA NA
[625] NA NA NA NA NA NA
[631] NA NA NA NA NA NA
[637] NA NA NA NA NA NA
[643] NA NA NA NA NA NA
[649] NA NA NA NA NA NA
[655] NA NA NA NA NA NA
[661] NA NA NA NA NA NA
[667] NA NA NA NA NA NA
[673] NA NA NA NA NA NA
[679] NA NA NA NA NA NA
[685] NA NA NA NA NA NA
[691] NA NA NA NA NA NA
[697] NA NA NA NA NA NA
[703] NA NA NA NA NA NA
[709] NA NA NA NA NA NA
[715] NA NA NA NA NA NA
[721] NA NA NA NA NA NA
[727] NA NA NA NA NA NA
[733] NA NA NA NA NA NA
[739] NA NA NA NA NA NA
[745] NA NA NA NA NA NA
[751] NA NA NA NA NA NA
[757] NA NA NA NA NA NA
[763] NA NA NA NA NA NA
[769] NA NA NA NA NA NA
[775] NA NA NA NA NA NA
[781] NA NA NA NA NA NA
[787] NA NA NA NA NA NA
[793] NA NA NA NA NA NA
[799] NA NA NA NA NA NA
[805] NA NA NA NA NA NA
[811] NA NA NA NA NA NA
[817] NA NA NA NA NA NA
[823] NA NA NA NA NA NA
[829] NA NA NA NA NA NA
[835] NA NA NA NA NA NA
[841] NA NA NA NA NA NA
[847] NA NA NA NA NA NA
[853] NA NA NA NA NA NA
[859] NA NA NA NA NA NA
[865] NA NA NA NA NA NA
[871] NA NA NA NA NA NA
[877] NA NA NA NA NA NA
[883] NA NA NA NA NA NA
[889] NA NA 891 NA NA NA
[895] NA NA NA NA NA NA
[901] NA NA NA NA NA NA
[907] NA NA NA NA NA NA
[913] NA NA NA NA NA NA
[919] NA NA NA NA NA NA
[925] NA NA NA NA NA NA
[931] NA NA NA NA NA NA
[937] NA NA NA NA NA NA
[943] NA NA NA NA NA NA
[949] NA NA NA NA NA NA
[955] NA NA NA NA NA NA
[961] NA NA NA NA NA NA
[967] NA NA NA NA NA NA
[973] NA NA NA NA NA NA
[979] NA NA NA NA NA NA
[985] NA NA NA NA NA NA
[991] NA NA NA NA NA NA
[997] NA NA NA NA
[ reached getOption("max.print") -- omitted 25187 entries ]
start<-start[!is.na(start)]
length(start)
[1] 72
end
[1] NA NA NA NA NA NA
[7] NA NA NA NA NA NA
[13] NA NA NA NA NA NA
[19] NA NA NA NA NA NA
[25] NA NA NA NA NA NA
[31] NA NA NA NA NA NA
[37] NA NA NA NA NA NA
[43] NA NA NA NA NA NA
[49] NA NA NA NA NA NA
[55] NA NA NA NA NA NA
[61] NA NA NA NA NA NA
[67] NA NA NA NA NA NA
[73] NA NA NA NA NA NA
[79] NA NA NA NA NA NA
[85] NA NA NA NA NA NA
[91] NA NA NA NA NA NA
[97] NA NA NA NA NA NA
[103] NA NA NA NA NA NA
[109] NA NA NA NA NA NA
[115] NA NA NA NA NA NA
[121] NA NA NA NA NA NA
[127] NA NA NA NA NA NA
[133] NA NA NA NA NA NA
[139] NA NA NA NA NA NA
[145] NA NA NA NA NA NA
[151] NA NA NA NA NA NA
[157] NA NA NA NA NA 162
[163] NA NA NA NA NA NA
[169] NA NA NA NA NA NA
[175] NA NA NA NA NA NA
[181] NA NA NA NA NA NA
[187] NA NA NA NA NA NA
[193] NA NA NA NA NA NA
[199] NA NA NA NA NA NA
[205] NA NA NA NA NA NA
[211] NA NA NA NA NA NA
[217] NA NA NA NA NA NA
[223] NA NA NA 226 NA NA
[229] NA NA NA NA NA NA
[235] NA NA NA NA NA NA
[241] NA NA NA NA NA NA
[247] NA NA NA NA NA NA
[253] NA NA NA NA NA NA
[259] NA NA NA NA NA NA
[265] NA NA NA NA NA NA
[271] NA NA NA NA NA NA
[277] NA NA NA NA NA NA
[283] NA NA NA NA NA NA
[289] NA NA NA NA NA NA
[295] NA NA NA NA NA NA
[301] NA NA NA NA NA NA
[307] NA NA NA NA NA NA
[313] NA NA NA NA NA NA
[319] NA NA NA NA NA NA
[325] NA NA NA NA NA NA
[331] NA NA NA NA NA NA
[337] NA NA NA NA NA NA
[343] NA NA NA NA NA NA
[349] NA NA NA NA NA NA
[355] NA NA NA NA NA NA
[361] NA NA NA NA NA NA
[367] NA NA NA NA NA NA
[373] NA NA NA NA NA NA
[379] NA NA NA NA NA NA
[385] NA NA NA NA NA NA
[391] NA NA NA NA NA NA
[397] NA NA NA NA NA NA
[403] NA NA NA NA NA NA
[409] NA NA NA NA NA NA
[415] NA NA NA NA NA NA
[421] NA NA NA NA NA NA
[427] NA NA NA NA NA NA
[433] NA NA NA NA NA NA
[439] NA NA NA NA NA NA
[445] NA NA NA NA NA NA
[451] NA NA NA NA NA NA
[457] NA NA NA NA NA NA
[463] NA NA NA NA NA NA
[469] NA NA NA NA NA NA
[475] NA NA NA NA NA NA
[481] NA NA NA NA NA NA
[487] NA NA NA NA NA NA
[493] NA NA NA NA NA NA
[499] NA NA NA NA NA NA
[505] NA NA NA NA NA NA
[511] NA NA NA NA NA NA
[517] NA NA NA NA NA NA
[523] NA NA NA NA NA NA
[529] NA NA NA NA NA NA
[535] NA NA NA NA NA NA
[541] NA NA NA NA NA NA
[547] NA NA NA NA NA NA
[553] NA NA NA NA NA NA
[559] NA NA NA NA NA NA
[565] NA NA NA NA NA NA
[571] NA NA NA NA NA NA
[577] NA NA NA NA NA NA
[583] NA NA NA NA NA NA
[589] NA NA NA NA NA NA
[595] NA NA NA NA NA NA
[601] NA NA NA NA NA NA
[607] NA NA NA NA NA NA
[613] NA NA NA NA NA NA
[619] NA NA NA NA NA NA
[625] NA NA NA NA NA NA
[631] NA NA NA NA NA NA
[637] NA NA NA NA NA NA
[643] NA NA NA NA NA NA
[649] NA NA NA NA NA NA
[655] NA NA NA NA NA NA
[661] NA NA NA NA NA NA
[667] NA NA NA NA NA NA
[673] NA NA NA NA NA NA
[679] NA NA NA NA NA NA
[685] NA NA NA NA NA NA
[691] NA NA NA NA NA NA
[697] NA NA NA NA NA NA
[703] NA NA NA NA NA NA
[709] NA NA NA NA NA NA
[715] NA NA NA NA NA NA
[721] NA NA NA NA NA NA
[727] NA NA NA NA NA NA
[733] NA NA NA NA NA NA
[739] NA NA NA NA NA NA
[745] NA NA NA NA NA NA
[751] NA NA NA NA NA NA
[757] NA NA NA NA NA NA
[763] NA NA NA NA NA NA
[769] NA NA NA NA NA NA
[775] NA NA NA NA NA NA
[781] NA NA NA NA NA NA
[787] NA NA NA NA NA NA
[793] NA NA NA NA NA NA
[799] NA NA NA NA NA NA
[805] NA NA NA NA NA NA
[811] NA NA NA NA NA NA
[817] NA NA NA NA NA NA
[823] NA NA NA NA NA NA
[829] NA NA NA NA NA NA
[835] NA NA NA NA NA NA
[841] NA NA NA NA NA NA
[847] NA NA NA NA NA NA
[853] NA NA NA NA NA NA
[859] NA NA NA NA NA NA
[865] NA NA NA NA NA NA
[871] NA NA NA NA NA NA
[877] NA NA NA NA NA NA
[883] NA NA NA NA NA NA
[889] NA NA NA NA NA NA
[895] NA NA NA NA NA NA
[901] NA NA 903 NA NA NA
[907] NA NA NA NA NA NA
[913] NA NA NA NA NA NA
[919] NA NA NA NA NA NA
[925] NA NA NA NA NA NA
[931] NA NA NA NA NA NA
[937] NA NA NA NA NA NA
[943] NA NA NA NA NA NA
[949] NA NA NA NA NA NA
[955] NA NA NA NA NA NA
[961] NA NA NA NA NA NA
[967] NA NA NA NA NA NA
[973] NA NA NA NA NA NA
[979] NA NA NA NA NA NA
[985] NA NA NA NA NA NA
[991] NA NA NA NA NA NA
[997] NA NA NA NA
[ reached getOption("max.print") -- omitted 25214 entries ]
end<-end[!is.na(end)]
length(end)
[1] 72
for(i in 1:length(start)){
storm <- ggplot(hilomodified[(start[i]-24):(end[i]+24),], aes(x = date, y = as.numeric(cms))) +
geom_line(color="black")+
geom_line(aes(y = as.numeric(Corr.NTU)), color="green") +
geom_line(aes(y=as.numeric(ChlRFU)),color="blue") +
geom_line(aes(y = as.numeric(saltppt)),color="red") +
geom_line(aes(y = as.numeric(TempC)),color="purple") +
geom_line(aes(y = as.numeric(Doper)),color="orange")
print(storm + ggtitle("Storms")+labs(x="Time"))
}
ChangeRF <- function(x = vector()){
change <- c(0)
for(i in 1:(length(x)-1)){
change[i+1] <- x[i]-x[i+1]
}
return(change)
}
change.vector <- c(ChangeRF(as.numeric(hilomodified$cms)))
change.vector
length(ChangeRF(as.numeric(hilomodified$cms)))
length(hilomodified$cms) # same length
hilomodified$changeCMS <- change.vector
head(hilomodified)
# 10-11 negative start of storm
# 11-10 positive end of storm
positive.change <- vector()
negative.change <- vector()
index <- vector()
for(i in 1:length(hilomodified$cms)){
if (hilomodified$changeCMS[i] < 0 ){
negative.change[i] <- i
}else{
if(hilomodified$changeCMS[i] > 0){
postive.change[i] <- i
}
}
if(hilomodified$cms[i] >= 10 ){
index[i] <- i
}
}
index
positive.change
negative.change
length(which(index > 0))
storms <- sort(c(positive.change,negative.change), decreasing = FALSE)
storms
hilostorms <- hilomodified[storms,]
hilostorms
storm <- ggplot(hilostorms[50:250,], aes(x = date, y = as.numeric(cms))) +
geom_line(color="black")+
geom_line(aes(y = as.numeric(Corr.NTU)), color="grey69") +
geom_line(aes(y=as.numeric(ChlRFU)),color="khaki")
print(storm + ggtitle("Storm 1/7/13")+labs(x="Time"))
vector <- vector()
for(i in 1:length(storms)){
if(isTRUE(abs(storms[i]-storms[i+1]) > 10)){
stop <- storms[i]
}else{
stop <- 0
}
if(stop > 0){
vector[i] <- stop
}
}
vector[which(is.na(vector)==FALSE)]
storm.1.7.13 <- ggplot(hilomodified[1:80,], aes(x = date, y = as.numeric(cms))) +
geom_line(color="black")+
geom_line(aes(y = as.numeric(saltppt)), color = "lightsteelblue1") +
geom_line(aes(y = as.numeric(Corr.NTU)), color="grey69") +
geom_line(aes(y=as.numeric(ChlRFU)),color="khaki")
print(storm.1.7.13 + ggtitle("Storm 1/7/13")+labs(x="Time"))
startaxis <- vector()
endaxis <- vector()
i <- 1
while (i <= length(change.vector)) {
if(isTRUE(change.vector[i] < 0)){
startaxis[i] <- RiverFlow[i]
}
i <- i+1
}
begin<-which(is.na(startaxis) == FALSE)
begin
while (i <= length(change.vector)) {
if(isTRUE(change.vector[i] > 0)){
endaxis[i] <- RiverFlow[i]
}
i <- i+1
}
end <- which(is.na(endaxis)==FALSE)
storm.1.7.13 <- ggplot(hilomodified[begin,], aes(x = date, y = as.numeric(cms))) +
geom_line(color="black")+
geom_line(aes(y = as.numeric(Corr.NTU)), color="grey69") +
geom_line(aes(y=as.numeric(ChlRFU)),color="khaki")
print(storm.1.7.13 + ggtitle("Storm 1/7/13")+labs(x="Time"))
while (i <= length(change.vector)) {
if(isTRUE(change.vector[i] < 0)){
startaxis[i] <- RiverFlow[i]
i <- i+1
}else{
if(isTRUE(change.vector[i] > 0)){
endaxis[i] <- RiverFlow[i]
}
}
}